期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

半参数再生散度非线性模型中参数的投影核和刀切估计的相合性与渐近正态性 被引量：1

原文传递
导出
摘要 半参数再生散度非线性模型(SRDNM)是再生散度非线性模型和半参数回归模型的自然推广和发展,它包括半参数非线性模型和半参数广义线性模型等特殊模型.基于非参数部分的局部核估计,给出了SRDNM模型中参数的投影核估计与刀切估计,并对其进行了理论比较.在一定的正则条件下,得到了这两类估计的强相合性与渐近正态性.相比之下,刀切估计比投影核估计具有更大的渐近方差.最后,模拟研究和实例分析被用来说明所给方法的有效性.
作者 唐年胜 陈雪东 王学仁
机构地区 云南大学统计系 湖州师范学院
出处 《中国科学（A辑）》 CSCD 北大核心 2008年第11期1300-1312,共13页 Science in China(Series A)
基金 国家自然科学基金(批准号：10561008，10761011) 浙江省自然科学基金(批准号：Y606667) 高校博士点科研基金(批准号：20060673002) 新世纪优秀人才支持计划(批准号：NCET-07-0737) 云南省中青年学术和技术带头人后备人才项目(批准号：2008PY036)资助项目
关键词 渐近正态性 相合性 投影核方法 刀切方法 半参数再生散度非线性模型
分类号 O212.1 [理学—概率论与数理统计] O212.7 [理学—概率论与数理统计]
  • 相关文献

参考文献2

二级参考文献19

  • 1Zhu Zhongyi\ Wei Bocheng.ASYMPTOTIC EFFICIENT ESTIMATION IN SEMIPARAMETRIC NONLINEAR REGRESSION MODELS[J].Applied Mathematics(A Journal of Chinese Universities),1999,14(1):57-66. 被引量：4
  • 2Cook,R.D.,Asessment of localinfluence (with discussion), J.Roy.Statist.Soc.Ser.B,1986,48:133～169.
  • 3Pregibon,D.,Logistic regression diagnostics,Ann.Statist.,1981,9:705～724.
  • 4Andersen,E.B.,Diagnostics in categorical dataanalysis,J.Roy.Statist.Soc.Ser.B,1992,54:781～791.
  • 5Williams,D.A.,Generalized linear model diagnostics using the deviance single casedeletion, Appl.Statist.,1987,36;181～191.
  • 6Wei,B.C.,Exponential Family Nonlinear Models,Springer-Verlag,Singapore,1998.
  • 7Cordeiro,G.M.,Paula,G.A.,Estimation,large-sample parametric tests and diagnosticsfor non-exponential family nonlinear models,Comm.Statist.Simulation Comput.,1992,21:149～172.
  • 8Jorgensen,B.,The Theory of Dispersion Models,Chapman & Hall,London,1997.
  • 9Emerson,J.D.,Hoaglin,D.C.,Kempthorne,P.J.,Leverage in least squaresadditive-plus-multiplicative fit for two way tables,J.Amer.Statist.Assoc.,1984,79:329～335.
  • 10Yoshizoe,Y.,Leverage points in nonlinear regressionmodels,J.Japan.Statist.Soc.,1991,21:1～11.

共引文献10

同被引文献28

  • 1郑术蓉,史宁中,郭建华.含缺失数据线性模型的线性不等式约束EM算法[J].中国科学（A辑）,2005,35(2):231-240. 被引量：12
  • 2Little R J A, Rubin D B. Statistical Analysis with Missing Data. New York: Wiley, 2002.
  • 3Ibrahim J G. Incomplete data in generalized linear models. Journal of the American Statistical Association, 1990, 85: 765-769.
  • 4Ibrahim J G, Chen M H and Lipsitz S R. Monte Carlo EM for missing covariates in parametric regression models. Biometrics, 1999, 55: 591-596.
  • 5Ibrahim J G, Chen M H, Lipsitz S R. Missing responses in generalised linear mixed models when the missing data mechanism is nonignorbale. Biometrika, 2001, 88: 551-564.
  • 6Huang L, Chen M H, Ibrahim J G. Bayesian analysis for generalized linear models with nonignorable missing covariates. Biometrics, 2005, 61: 729-737.
  • 7Lee S Y, Song X Y. Maximum likelihood estimation and model comparison for mixtures of structural equation models with ignorable missing data. Journal of Classification, 2004, 20: 221-225.
  • 8Lee S Y, Tang N S. Bayesian analysis of structural equation models with mixed exponential family and ordered categorical data. British Journal of Mathematical and Statistical Psychology, 2006, 59: 151-172.
  • 9Lee S Y, Tang N S. Bayesian analysis of nonlinear structural equation models with nonignorable missing data. Psychometrika, 2006, 71: 541-564.
  • 10Yang X W, Li J H, Shoptaw S. Imputation-based strategies for clinical trial longitudinal data with nonignorable missing values. Statistics in Medicine, 2008, 27: 2826-2849.

引证文献1

中国科学（A辑）
2008年 第11期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部